完成描述文档

README.md

@@ -0,0 +1,66 @@
+# <p align="center">图像界面识别-小组作业</p>
+## 运行库
+cv2、matplotlib、easyocr
+## 实现原理
+我们采用分割的方式将图片中所有玩家的ID和评分进行分割。<br>
+然后我们对所有分割下来的图片进行识别，将文字提取出来。<br>
+最终通过比较所有玩家的评分来找出评分最高的玩家。
+## 分割
+我们使用了最简单的方法进行分割。<br>
+认为确认所有ID和评分的坐标位置进行分割。<br>
+```c
+# ID坐标
+id = [
+    (460, 415, 800, 460),
+    (460, 610, 800, 655),
+    (550, 805, 800, 850),
+    (460, 995, 800, 1040),
+    (460, 1190, 800, 1235),
+
+    (1860, 415, 2200, 460),
+    (1930, 600, 2200, 665),
+    (1860, 805, 2200, 850),
+    (1930, 980, 2200, 1055),
+    (1860, 1190, 2200, 1235),
+]
+
+# 评分坐标
+score = [
+    (335, 488, 465, 545),
+    (335, 680, 465, 740),
+    (335, 875, 465, 930),
+    (335, 1070, 465, 1125),
+    (335, 1260, 465, 1320),
+
+    (1710, 488, 1845, 545),
+    (1710, 680, 1845, 740),
+    (1710, 875, 1845, 930),
+    (1710, 1070, 1845, 1125),
+    (1710, 1260, 1845, 1320),
+]
+```
+## 识别
+采用[`easyocr`](https://github.com/JaidedAI/EasyOCR)来对图像进行识别。
+```c
+import easyocr
+
+# 识别中文并关闭GPU完全使用CPU
+reader = easyocr.Reader(['ch_sim'], gpu=False)
+
+# 将RGB图像识别为文字
+results_id.append(reader.readtext(rgb, detail=0))
+```
+## 比较
+采用最简单的比较方式，定义变量max_val = 0.0和max_idx = 0。<br>
+循环对所有评分变量进行对比记下最大值何其对于的ID序号。
+## 结果展示
+### 图像分割结果
+图像ID分割效果<br>
+![id](/result/id.png#pic_center)
+图像评分分割效果
+![score](/result/score.png#pic_center)
+## 致谢
+感谢[`easyocr`](https://github.com/JaidedAI/EasyOCR)项目团队的每一个成员。
+## 小组成员
+张豪、孟梓涵、龚韩轩、张梦南<br>
+(排名不分先后)